Impact of Noise Exposure on Risk of Developing Stress-Related Metabolic Effects
Notice bibliographique
Résumé
Background: Exposure to noise can increase biological stress reactions, which may increase adverse health effects, including metabolic disorders; however, the certainty in the association between exposure to noise and metabolic outcomes has not been widely explored. The objective of this review is to evaluate the evidence between noise exposures and metabolic effects. Materials and Methods: A systematic review of English and comparative studies available in PubMed, Cochrane Central, EMBASE, and CINAHL databases between January 1, 1980 and December 29, 2021 was performed. Risk of Bias of Nonrandomized Studies of Exposures was used to assess risk of bias of individual studies and certainty of the body of evidence for each outcome was assessed using the Grading of Recommendations Assessment, Development and Evaluation (GRADE) approach. Results: Fifty-six primary studies reporting on cortisol, cholesterol levels, waist circumference, glucose levels, and adrenaline and/or noradrenaline were identified. Although meta-analyses suggested that there may be an increase in waist circumference and adrenaline with increased noise exposure, the certainty in the evidence is very low. Overall, the certainty in the evidence of an effect of increased noise on all the outcomes were low to very low due to concerns with risk of bias, inconsistency across exposure sources, populations, and studies, and imprecision in the estimates of effects. Conclusions: The certainty of the evidence of increased noise on metabolic effects was low to very low, which likely reflects the inability to compare across the totality of the evidence for each outcome. The findings from this review may be used to inform policies involving noise reduction and mitigation strategies, and to direct further research in areas that currently have limited evidence available.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,057 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,009 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».